吉大一院放射科主任張惠茅：中外醫學影像 AI 的進展對比

近日，2019中華醫學會第二十六次全國放射學學術大會（CCR2019）在北京國家會議中心召開。本次會議由中華醫學會和中華醫學會放射學分會共同主辦。

盡管醫療AI經歷了三年多的發展，但是為期5天的大會里，人工智能依然是放射科醫生們最關注的話題之一。64場專題發言和論文發言、肝臟、直腸的共識討論，讓AI牢牢占據了醫生話題的C位，小小的會議室里擠滿了各種專業的觀眾。

張惠茅是吉林大學第一醫院放射科主任，也是中華醫學會放射學分會和中國醫師協會放射學分會常委。

作為一名醫生，張惠茅主任對AI的發展十分關注。在CCR 2019的人工智能分論壇上，張惠茅發表了題為《中外醫學影像AI進展對比》的演講。

關注AI掘金志公眾號，在對話框回復關鍵詞“吉大一院”，即可獲取演講PPT。

她表示，從臨床需求到臨床產品的過程非常復雜，需要不斷的進行迭代。很多醫療AI產品雖然能解決單個痛點，但是很難滿足醫生日常工作中的所有需求。

因此，中華醫學會放射學分會成立了醫學大數據與人工智能工作委員會，以及醫學影像AI產學研用創新聯盟。“金征宇主任和劉士遠主任都非常重視這項工作，我們都特別希望去推動醫療AI的發展。”

今年7月，國家藥品監督管理局也積極投入資源，成立了10個工作組，加快各種測試樣本數據庫的建設。

此外，張惠茅主任也從政策、倫理、應用、人才教育等層面分析了國內與法國、加拿大、美國等三個國家在醫學影像AI方面的諸多差異。

2017年、18年，法國和加拿大就成立了工作小組，來討論AI使用過程中的行為規范，研究把AI引入臨床會引起的影響，以及如何讓它更好地幫助醫生。

但是，兩個國家會略微有所不同。

例如，法國規范了一個嚴格的匿名化范疇，要求去除dicom格式文件中患者的隱私信息。醫生需要告知患者其醫療數據將用于研究，并簽訂書面協議；

而加拿大沒有法國嚴格，他們指定的規則是可以妥善的保護患者的標識的關聯信息，但是這些必須加密。

而相比之下，美國建立了一個關于AI的評價框架，主要目的就是從基礎研究、人機交互、倫理和法律安全等諸多方面來推進AI的發展。

當然，在數據庫建設、產品應用范圍等方面，張惠茅主任都給出了自己的觀察與見解。

演講最后，張主任說到，“我們不能把新的算法、數據都放在自己的腰包里。如果中國未來想做好AI，一定要打開這個壁壘，大家一定要有奉獻精神。在安全的前提下，我們的醫生奉獻數據，算法團隊奉獻算法，在一個公開公平的情況下，大家互相交流才能夠碰撞出更多的火花。”

以下為張惠茅的演講全文，雷鋒網做了不改變原意的編輯和整理。

大家好，我今天演講的題目是《中外醫學影像AI進展對比》。剛剛孔教授（孔德興）給我們舉了一個很好的例子。我們看到了物理學家、數學家在醫學影像中扮演了核心技術推動者的角色。而醫生作為最主要的使用者，利用這些技術推進了人們的醫療健康。

在最新的報道中，我們中國的科研文章產出已經在世界上排名第二，超過英國、僅次于美國。神經、胸部和腹部等是大家比較關注的一個領域。雖然中國排到了世界第二，占據整體數量的20%，但大家可以看到，我們在真正的高分文章上跟國外有差距。

其次，我們可以看一下AI在醫療行業的應用分布：從語音識別、電子病歷，到保險行業、醫療診斷。Google、Apple等等的AI巨頭公司，都已經投入大量的資金進入這個行業。

中國的人工智能產品在醫療領域，尤其在醫學影像領域，占到了非常大的比例。原因之一是，影像數據在醫療數據中占了很大比例，在我們醫院是70%左右。

還有一個原因是，這些數據是DICOM可以進行共同研究，在國際上可以通用。所以大家都非常關注這個領域，也投入了很多的資金和人力進行研究。

因此，我們中華醫學會放射學分會成立了大數據人工智能工作委員會，金主任（金征宇）非常重視這項工作，我們也開展了很多探索性的研究。

還有劉主任（劉士遠）成立了CAIERA——醫學影像AI產學研用創新聯盟，從各個方面來看，我們都特別希望去推動這個行業的發展。

此外，中國首部的醫學影像白皮書也已經問世，我們在這里面談了中國的頭部企業以及他們最新的一些算法。里面特別值得一讀的內容就是我們對醫學影像現狀和挑戰的分析。

今年的7月份，國家藥品監督管理局成立了10個工作組來推進這件事情，剛才孔德興教授已經說了這件事情。國家已經投入了很多資源，請國內的數學家或者是頂級醫院、企業來牽頭規范這項事業。其中，數據庫的建立是非常重要的一件事情。

我們再來看一下法國和加拿大。早在2017年、2018年，法國和加拿大就成立了工作小組，來討論AI使用過程中的行為規范，研究把AI引入臨床會引起的影響，以及如何讓它更好地幫助到我們。

在對比過程中，可以看到兩個國家有相同也有不同。

第一個是語言問題。其實這個問題很好理解，大家知道這是一個跨學科的交流，醫生說的話，算法專家以及工學隊伍不太懂。與此同時，機器學習的語言對我們醫生來說也是一種挑戰。所以如何能夠建立一個互通的語言是非常重要的。

另外還有倫理問題：到底誰擁有數據，誰可以使用數據，數據的使用是不是一定要得到患者的允許等等。當然這也涉及到知識產權的問題，中國也已經開始規范醫學影像AI的術語問題，著手建立起一個大家通用的字典。

關于安全的問題，兩個國家稍有不同。

在法國，它規范了一個嚴格的匿名化范疇，大家可以看到它要求去除我們dicom格式文件中患者的隱私信息。醫生需要告知患者，他們的數據將用于研究，并簽訂書面協議。

同時它也建立了放射科醫生創建和提供高質量的數據集時，要遵守的數據傳輸的原則。這個問題也很有意思，我們就在想，放射科醫生會傳一些無用的數據嗎？其實，在傳輸的過程中涉及了患者的隱私問題。

比如我做了肺結節，但是可能這個患者進行了一個全腹部掃描，我應不應該把這個人的腹部圖像也傳給你？嚴格來講就不應該。因為你當時制定的研究協議就是針對肺結節或者針對胸部的，你就不應該把其他的圖像傳給別人。

相比于法國，加拿大沒有那樣嚴格，他們指定的規則是可以妥善地保護患者的關聯信息，但是這些必須加密。另外，他們的規則中也談到了如何應對大量標注數據的需求，可以使用新的算法來幫助人們標注數據。

還有倫理和社會問題。AI在我們的工作中到底可以起到什么樣的作用？它是我們的一個助手，還是可以替代我們，還是真的可以幫助我們達到精準診療的一個目的？其實這些問題AI公司、科研人員、專家都特別關注。

我個人的看法是這樣的。在倫理允許的情況下，評價一個AI的作用，是它能否在臨床中幫助到我們。

很簡單的一個例子，比如說我們醫生天天在測量病變大小，那么我們是不是可以有這樣的一個算法，不需要讓醫生天天手動去量，自動測量病灶三維體積。當患者進行隨診的時候，幫我們對病灶進行動態的、定量的評估，這樣的AI可以極大地節約我們醫生的時間。我覺得這些都是非常好的應用。

AI在法國未來的應用，不僅局限于在智能讀片方面，在質量控制、流程優化，甚至于未來的報告解讀等等諸多方面，都有很多可以應用的前景。

在加拿大，我們可以看到AI被用在圖像分類、質量報告評分這樣的任務里，在他們的報告中強調了如何讓AI無縫鏈接到工作流程。因為AI如果真正想被放射科醫生所用，要么節約時間，要么縮短醫生的工作量，這樣的應用才是我們醫生歡迎的。

我們再來看一下美國。美國建立了非常完備的一個體系，建立了一個關于AI的評價框架，主要的目的就是從基礎研究、人機交互、倫理和法律安全等諸多方面來推進AI的發展。

美國建立了自己的公開數據集及培養人才、評估人工智能以及如何來擴大各方面領域的合作規則。

這里特別值得我們學習的就是美國成立了Data Science Institute（數據科學研究院）。數據科學研究院的使命是：建立行業關系以及如何建立應用算法的案例，來更好的保護患者。

還有ACR的AI-Lab，它的使命是更好的來宣傳AI，建立一個網上平臺，讓更多的人來使用、了解AI，更好的去開拓AI。只有建立這樣的一個公平公開的平臺，才會有更多的人來使用它。

在國外，有很多的公開數據可供大家使用。尤其是最近DeepLesion公開了他們關于腫瘤患者的數據集。大家知道，標注是一個非常非常有挑戰的事情，既要耗費人力，還要耗費財力。

我們國內也有一些競賽的數據庫，還有中檢院的肺結節數據集，但是相對可惜部分沒有標注，部分沒有對公眾開放。

在這種情況下，我們沒有數據，大家怎么做？我猜很多算法團隊是用網上的公開數據集，或者是和一些醫院拿到的幾百例數據，做一個小的算法應用或者是做一個一兩家醫院的外部應用而已。

我個人更鼓勵團隊和醫生能夠沉下心來做一些事情。因為在這波浪潮中，大家把錢投進去到底有沒有用，只有時間才是最好的老師，有一天我們的醫生真的能夠在日常中用到這些AI才是最好的。

希望大家攜起手來，不管是從政、產、學、研、用等諸多領域，在國家的領導下，解決數據集、倫理、風險、隱私安全以及相關法規等等一系列問題。

當然，我覺得還有一個很重要的問題，就是要向患者解釋清楚，我們這些AI產品或者是算法，未來真的如何能夠為他們服務。我覺得這都是在座各位能夠攜起手來一起做的工作，謝謝各位。

雷鋒網年度評選——尋找19大行業的最佳AI落地實踐

創立于2017年的「AI最佳掘金案例年度榜單」，是業內首個人工智能商業案例評選活動。雷鋒網從商用維度出發，尋找人工智能在各個行業的最佳落地實踐。

第三屆評選已正式啟動，關注微信公眾號“雷鋒網”，回復關鍵詞“榜單”參與報名。詳情可咨詢微信號：xqxq_xq

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。